Наша почта:
В Москве:
РФ (звонок бесплатный):
Кто я и где моё место?
{ Инженер в Яндекс }
Марат Сибгатулин
Видео доклада
Кто я и где моё место?
Вопрос «заменит ли искусственный интеллект человека» поставлен некорректно. Виртуальная сущность — пусть даже обладающая физическим воплощением — вряд ли заменит органического человека с его субъективным опытом, прожитым за долгую жизнь. Любая человеческая жизнь по времени несопоставима с существованием современных нейросетей. Эмоциональность, эмпатия, субъективный опыт — всё это остаётся за человеком.
Поэтому вопрос стоит ставить сильно уже: какую работу, которую сегодня делают люди, в ближайшем будущем будет делать нейросеть? И что тогда будут делать люди — другую работу или никакой? Особенно актуальным это становится с появлением агентских схем вроде MCP (Model Context Protocol). В этом контексте и стоит задать вопрос: кто мы теперь и кем мы будем завтра.
Поэтому вопрос стоит ставить сильно уже: какую работу, которую сегодня делают люди, в ближайшем будущем будет делать нейросеть? И что тогда будут делать люди — другую работу или никакой? Особенно актуальным это становится с появлением агентских схем вроде MCP (Model Context Protocol). В этом контексте и стоит задать вопрос: кто мы теперь и кем мы будем завтра.
Кейс первый: вайб-траблшутинг
Инженеру, менявшему работу, в качестве тестового задания дали собрать лабораторную работу: Cisco, редистрибуция из BGP в OSPF, маршрутизация, NAT — требовалось получить связность между двумя сегментами сети. Задача в целом несложная.
Сначала прошли по профильной статье о честной межпротокольной редистрибуции — не работает. Полтора часа поисков в Яндексе и Google: на первых двух страницах выдачи не осталось ни одной синей ссылки, только фиолетовые. Обнаружились интересные хаки из документации, получилось сделать default-information originate в OSPF — но это не редистрибуция, а просто дефолт, существующий сам по себе, а не благодаря наличию маршрута в BGP. Целевого решения нет: из iBGP в OSPF маршрут не анонсируется.
Сначала прошли по профильной статье о честной межпротокольной редистрибуции — не работает. Полтора часа поисков в Яндексе и Google: на первых двух страницах выдачи не осталось ни одной синей ссылки, только фиолетовые. Обнаружились интересные хаки из документации, получилось сделать default-information originate в OSPF — но это не редистрибуция, а просто дефолт, существующий сам по себе, а не благодаря наличию маршрута в BGP. Целевого решения нет: из iBGP в OSPF маршрут не анонсируется.
Claude
Тогда в дело пошла модель Claude. На запрос «дай конфиг для настройки редистрибуции из BGP в OSPF» она выдала ровно тот же конфиг, который уже был собран несколько раз. На реплику «не работает, как подебажить?» — список команд: show ip route, show ip ospf database и тому подобное, с просьбой прислать диагностический вывод. Дальше пошли итерации: диагностика с лабы — модели, рекомендации модели — на лабу. Пять циклов такого вайб-траблшутинга.
И в какой-то момент модель отвечает:
это же Cisco, а в Cisco по умолчанию маршруты iBGP не редистрибьютятся, примените bgp redistribute-internal. Команда применяется — всё работает.
это же Cisco, а в Cisco по умолчанию маршруты iBGP не редистрибьютятся, примените bgp redistribute-internal. Команда применяется — всё работает.
Инструмент, которому от роду максимум пара лет, знает о таких нюансах в сетях больше, чем два инженера с опытом. Проблему решили примерно за четыре часа. Куда интереснее вопрос, который остаётся после: зачем в этой цепочке вообще нужны были люди?
Кейс второй: FRR и особенность, о которой можно не узнать
В Яндексе существует облачная академия — курс лекций и практик о том, как работает публичное облако и как с ним взаимодействовать. Курс читается для нескольких вузов, студенты которых интересны компании как будущие сотрудники облачной поддержки. Аналогичная проблема есть и в сети: в дежурной смене молодые ребята очень быстро вырастают и уходят работать инженерами, а входящий поток невелик. Так появился курс про сеть: шесть лекций, шесть лабораторных, практические задания от базовой маршрутизации до маршрутизации в интернете, BGP и балансировки.
Проверка гипотезы на модели
Запрос «дай конфиг на FRR для настройки BGP-сессии с такими-то номерами AS и адресом пира». Модель строчка за строчкой выдаёт конфиг, описывая каждый параметр — зачем он нужен и почему делать надо именно так. И без всяких дополнительных вопросов включает в конфиг команду вида no bgp ebgp-requires-policy, поясняя: FRR не анонсирует маршруты, если не применена политика на outbound, а эта команда позволяет отключить требование.
Штука, существующая пару лет, из коробки знает о сети больше, чем человек, который без малого 20 лет ею занимается. И если студент пойдёт с этой задачей в нейросеть, а не будет читать статьи, он об этой особенности даже не споткнётся. Он просто применит конфиг, и всё заработает. Расхожее убеждение, что нейросети обучены на GitHub, хорошо пишут код и ничего не знают про сети, оказывается неверным.
Штука, существующая пару лет, из коробки знает о сети больше, чем человек, который без малого 20 лет ею занимается. И если студент пойдёт с этой задачей в нейросеть, а не будет читать статьи, он об этой особенности даже не споткнётся. Он просто применит конфиг, и всё заработает. Расхожее убеждение, что нейросети обучены на GitHub, хорошо пишут код и ничего не знают про сети, оказывается неверным.
RAG и MCP: у модели появляются руки и глаза
Модель сама по себе не имеет связи с реальным миром. На вопрос о погоде в Кемерове она в лучшем случае ответит, что не имеет доступа к реальным данным, в худшем — начнёт галлюцинировать. Ровно то же самое с вопросом, какой сейчас конфиг VLAN на интерфейсах свитча msk-arbat-sw1: модель может подготовить конфиг, распарсить его и объяснить, но сходить на реальное железо и посмотреть — нет.
Существует много схем, расширяющих возможности моделей. Две самые распространённые сегодня — следующие.:
Существует много схем, расширяющих возможности моделей. Две самые распространённые сегодня — следующие.:
- RAG (Retrieval Augmented Generation)решает поисковые задачи: промпт пользователя обогащается данными из реального мира. Агент подключается во внутреннюю вики или во внешний поисковик, подмешивает найденное в вопрос, и модель возвращает ответ уже с актуальными данными.
- MCP (Model Context Protocol)штука гораздо более широкая и гораздо более пугающая, потому что позволяет модели реально взаимодействовать с внешними системами. До этого момента модель была чем-то очень мощным, но закрытым в комнате без окон: дико эрудированный собеседник, ничего не знающий о внешнем мире. MCP даёт ей руки и глаза — и, по сути, неограниченные возможности.
- Пример с VLAN:поднимается MCP-сервер с SSH-доступом на железку, ему передаются учётные данные. На вопрос «какой сейчас конфиг VLAN» модель направляет запрос в MCP-сервер, тот подключается к железке, делает show running-config и возвращает вывод. Модель обрабатывает конфиг и возвращает человекопонятный ответ.
- Пример с редистрибуцией:MCP-серверу даётся доступ на лабу, а модели — задача играться с лабой, пока не получится рабочий конфиг, подтверждённый тем, что пинг забегал между двумя железками. Она сама сходит в интернет, поищет по своим данным, применит на железку один конфиг, другой, соберёт диагностические данные, проанализирует их и подстроит конфигурацию. Люди в этой схеме больше не нужны.
- Пример, уже приближенный к реальности и опробованный в Яндексе в формате прототипа:через MCP даётся доступ в систему трекинга тикетов, во внутренний репозиторий и на GitHub, а затем формулируется задача — собрать за последний год из трекера все проблемы с авторизацией в OpenVPN, посмотреть последние релизы во внутреннем репозитории, сходить на GitHub за последними issues и найти причину проблем. В прод это пока не пошло и как сервис не появилось, но оно реально работало. Достаточно дать доступ к внутренним системам и задать человеческий промпт — такой, какой задали бы другому человеку. Человек ушёл бы дебажить на три дня, нейросеть условно за 15 минут решила задачу.
Стена между студентом и архитектором
Примерно четыре года назад стало заметно, как растёт стена между сегодняшними студентами и завтрашними архитекторами.
Золотая эпоха телекомов прошла. Больше нет операторов, которые из домовых сетей превращаются в городские и районные. Время, когда сетевой инженер с одной премии мог купить квартиру или хотя бы гараж, тоже прошло. И, честно говоря, у сетевых инженеров не самая топовая зарплата среди айтишников.
Золотая эпоха телекомов прошла. Больше нет операторов, которые из домовых сетей превращаются в городские и районные. Время, когда сетевой инженер с одной премии мог купить квартиру или хотя бы гараж, тоже прошло. И, честно говоря, у сетевых инженеров не самая топовая зарплата среди айтишников.
Второй фактор — Ansible
Нравится это кому-то или нет, но в своё время он создал тектонический сдвиг в том, как индустрия мыслит про сети и как их строит. Он принёс смысл во фразу infrastructure as code / network as code, после чего пришлось пересмотреть подходы: как строить сеть, удобно ли её будет потом автоматизировать и обслуживать теми инструментами, которые используются для автоматизации. И второй эффект: больше не нужно линейно растить количество инженеров с ростом сети. Пять коммутаторов и пять тысяч коммутаторов обслуживаются не в тысячу раз разным штатом — разница в несколько человек, потому что применить одну команду на пять или на пять тысяч железок теперь вопрос ответственности, а не временных ресурсов. До Ansible были и другие поделки, но именно он стал индустриальным стандартом. Да, неудобный. Да, он не позволяет делать полноценный configuration и state management. Да, под кучу вендоров, особенно российских и китайских, готовых рабочих плагинов нет. Но какая разница, если он позволяет обслуживать парк в тысячи машин.
Annet
Следующим шагом — не такой тектонический сдвиг, но заметные изменения — стал Annet. Он делает полноценный configuration management: переводит устройство, а интегрально и всю сеть, из состояния А в состояние Б. Не просто выполняет набор команд, а сам вычисляет этот набор. Annet заставляет ещё раз переосмыслить подход: сначала сеть проектируется, затем пишется код, и только где-то на пятом шаге человек идёт на железку что-то настраивать. В Яндексе к сетевому железу сегодня подключаются только чтобы потраблшутить; руками играют и пробуют новые конфигурации в лабе, но весь продакшен — исключительно под Annet и надстройками над ним.
Сетевой инженер при этом плавно трансформируется либо в программиста, либо в инженера-мультиспециалиста, который и проектирует сети, и разрабатывает систему автоматизации. Все эти факторы уже давно уменьшают спрос на сетевых инженеров. Стена росла и становилась всё заметнее: перелезет ли через неё сегодняшний студент, чтобы стать сетевиком, — или пойдёт писать на Go, Rust, C++, или в SRE и DevOps? Учитывая зарплаты и то, что у разработчика интересные задачи могут быть с первого дня, а сетевому инженеру BGP в лучшем случае доверят через полгода, выбор почти очевиден.
Сетевой инженер при этом плавно трансформируется либо в программиста, либо в инженера-мультиспециалиста, который и проектирует сети, и разрабатывает систему автоматизации. Все эти факторы уже давно уменьшают спрос на сетевых инженеров. Стена росла и становилась всё заметнее: перелезет ли через неё сегодняшний студент, чтобы стать сетевиком, — или пойдёт писать на Go, Rust, C++, или в SRE и DevOps? Учитывая зарплаты и то, что у разработчика интересные задачи могут быть с первого дня, а сетевому инженеру BGP в лучшем случае доверят через полгода, выбор почти очевиден.
Стена рухнула в пропасть
Стену можно было перелезть. Но примерно два года назад — а по-настоящему, наверное, полгода назад — она рухнула в пропасть, которой до этого было не видно. В пропасть, которую создаёт искусственный интеллект.
Раньше проблему дефицита можно было решать деньгами. Так было в строительной инженерии: людей, которые проектируют инженерные системы зданий, не хватало, потому что им мало платили; их начали заливать деньгами — и люди пошли. С появлением нейронок этот механизм перестаёт работать. Работодатель стоит перед вопросом: платить тысячу долларов в месяц стажёру или сто долларов модели.
Оба делают ровно то, что им скажут — нейросеть даже чуть больше. Оба косячат, за обоими нужно проверять. Но объяснить, что и почему сделано, стабильно может только модель — джун далеко не всегда. При этом нейросети не ходят в отпуска, у них не болеют кошки, они не болеют сами. Не нужно думать об их карьерном росте, производительности и повышении зарплаты — то есть о куче вещей, которые составляют реальную работу people-менеджера.
Раньше проблему дефицита можно было решать деньгами. Так было в строительной инженерии: людей, которые проектируют инженерные системы зданий, не хватало, потому что им мало платили; их начали заливать деньгами — и люди пошли. С появлением нейронок этот механизм перестаёт работать. Работодатель стоит перед вопросом: платить тысячу долларов в месяц стажёру или сто долларов модели.
Оба делают ровно то, что им скажут — нейросеть даже чуть больше. Оба косячат, за обоими нужно проверять. Но объяснить, что и почему сделано, стабильно может только модель — джун далеко не всегда. При этом нейросети не ходят в отпуска, у них не болеют кошки, они не болеют сами. Не нужно думать об их карьерном росте, производительности и повышении зарплаты — то есть о куче вещей, которые составляют реальную работу people-менеджера.
Стена рухнула в пропасть
Стену можно было перелезть. Но примерно два года назад — а по-настоящему, наверное, полгода назад — она рухнула в пропасть, которой до этого было не видно. В пропасть, которую создаёт искусственный интеллект.
Раньше проблему дефицита можно было решать деньгами. Так было в строительной инженерии: людей, которые проектируют инженерные системы зданий, не хватало, потому что им мало платили; их начали заливать деньгами — и люди пошли. С появлением нейронок этот механизм перестаёт работать. Работодатель стоит перед вопросом: платить тысячу долларов в месяц стажёру или сто долларов модели.
Оба делают ровно то, что им скажут — нейросеть даже чуть больше. Оба косячат, за обоими нужно проверять. Но объяснить, что и почему сделано, стабильно может только модель — джун далеко не всегда. При этом нейросети не ходят в отпуска, у них не болеют кошки, они не болеют сами. Не нужно думать об их карьерном росте, производительности и повышении зарплаты — то есть о куче вещей, которые составляют реальную работу people-менеджера.
Раньше проблему дефицита можно было решать деньгами. Так было в строительной инженерии: людей, которые проектируют инженерные системы зданий, не хватало, потому что им мало платили; их начали заливать деньгами — и люди пошли. С появлением нейронок этот механизм перестаёт работать. Работодатель стоит перед вопросом: платить тысячу долларов в месяц стажёру или сто долларов модели.
Оба делают ровно то, что им скажут — нейросеть даже чуть больше. Оба косячат, за обоими нужно проверять. Но объяснить, что и почему сделано, стабильно может только модель — джун далеко не всегда. При этом нейросети не ходят в отпуска, у них не болеют кошки, они не болеют сами. Не нужно думать об их карьерном росте, производительности и повышении зарплаты — то есть о куче вещей, которые составляют реальную работу people-менеджера.
Фундаментальный сдвиг
Разработчик, отвечающий за растущий продукт, в какой-то момент перестаёт справляться в одиночку. Нужен кто-то, кто будет писать рутинный код. В старой парадигме он обязан нанимать стажёров и превращаться в people-менеджера — чего может совершенно не хотеть. Появление нейросетей, ведущих себя по сути как стажёры, меняет это: за те же сто долларов в месяц рутину делает модель, а человек продолжает писать код. Нанимать никого не нужно.
И это ещё сильнее усугубляет проблему: как из современных студентов вырастить архитекторов? Потому что нейронки пока не заменят людей, которые проектируют системы. Неизвестно, что они там напроектируют, и доверить им это пока нельзя.
И это ещё сильнее усугубляет проблему: как из современных студентов вырастить архитекторов? Потому что нейронки пока не заменят людей, которые проектируют системы. Неизвестно, что они там напроектируют, и доверить им это пока нельзя.
Риск касается всех
Причём реализуется он практически со стопроцентной вероятностью. Мир не то что поменяется — он уже поменялся. Часть работы, которая делается сегодня руками, в том или ином виде будет делать нейронная сеть. Особенно с учётом того, что появился стандартный протокол взаимодействия модели с реальным миром — MCP. Он может измениться, может появиться другой, но суть не в этом. Суть в том, что уже есть мощные сети, говорящие на человеческом языке — и не только на человеческом, — и доступ в реальный мир.
Может показаться, что в основной зоне риска только студенты и джуниоры: они молодые и зелёные, и всё, чему они сейчас будут учиться, нейросеть уже умеет. Но сеньоры, полагающиеся на широту кругозора и глубину знаний, накопленных за 15 лет, тоже не в безопасности. Достаточно спросить у модели, как построить backhaul-сеть для 5G или какую топологию выбрать для ML-кластера на RoCEv2 — Dragonfly+ или Clos. Ответ окажется на удивление системным. И по каждому пункту можно копать вглубь: какое оборудование выбрать, shallow buffers или deep buffers, какие порты. Абстрактный широкий ответ она даёт сразу, а технические детали позволяет раскопать.
Может показаться, что в основной зоне риска только студенты и джуниоры: они молодые и зелёные, и всё, чему они сейчас будут учиться, нейросеть уже умеет. Но сеньоры, полагающиеся на широту кругозора и глубину знаний, накопленных за 15 лет, тоже не в безопасности. Достаточно спросить у модели, как построить backhaul-сеть для 5G или какую топологию выбрать для ML-кластера на RoCEv2 — Dragonfly+ или Clos. Ответ окажется на удивление системным. И по каждому пункту можно копать вглубь: какое оборудование выбрать, shallow buffers или deep buffers, какие порты. Абстрактный широкий ответ она даёт сразу, а технические детали позволяет раскопать.
Финал
Будущее угрожает всем, и с этим фактом нужно как-то жить дальше. Но ситуацию стоит перевернуть.
Все, кто работает в IT и в сетях, причастны к происходящему и приближают это будущее — хотят они того или нет. Даже если кажется, что это не так, потому что человек просто обжимает RJ-45 где-то в Кемерове. Но сам факт присутствия в этой сфере даёт огромное преимущество перед остальными. Особенно, кстати, студентам и джунам: они выходят из школы не в город и даже не в страну — они выходят в мир и просыпаются с телефоном, на котором стоит нейросеть. У них сейчас величайшая гибкость. Возможно, воспользуются ею не все, но мыслят они уже так, что нейронные сети позволяют расширять возможности собственного интеллекта.
Это случилось. Никто не понимает, как работают нейросети: даже понимание того, как входные данные превращаются в выходные, не означает знания, что именно происходит внутри и какими окажутся выходные данные. Даже при обучении YandexGPT встречались положительные сайд-эффекты, которых никто не ожидал.
Но знать, как она работает, необязательно, если можно использовать результат — и, главное, уметь его проверять. Это, кстати, отличительная черта людей с богатым опытом: не доверять никому и ничему и валидировать любой ответ.
Все, кто работает в IT и в сетях, причастны к происходящему и приближают это будущее — хотят они того или нет. Даже если кажется, что это не так, потому что человек просто обжимает RJ-45 где-то в Кемерове. Но сам факт присутствия в этой сфере даёт огромное преимущество перед остальными. Особенно, кстати, студентам и джунам: они выходят из школы не в город и даже не в страну — они выходят в мир и просыпаются с телефоном, на котором стоит нейросеть. У них сейчас величайшая гибкость. Возможно, воспользуются ею не все, но мыслят они уже так, что нейронные сети позволяют расширять возможности собственного интеллекта.
Это случилось. Никто не понимает, как работают нейросети: даже понимание того, как входные данные превращаются в выходные, не означает знания, что именно происходит внутри и какими окажутся выходные данные. Даже при обучении YandexGPT встречались положительные сайд-эффекты, которых никто не ожидал.
Но знать, как она работает, необязательно, если можно использовать результат — и, главное, уметь его проверять. Это, кстати, отличительная черта людей с богатым опытом: не доверять никому и ничему и валидировать любой ответ.
В Москве:
РФ (звонок бесплатный):
Наша почта:
GetNet
Остались вопросы?
Группа компаний VoxLink © 2011-2026